# Investment 10x Analysis

> 适用于用户要求分析一家具体公司的投资价值、询问某公司是否有 10 倍上涨空间、对比多家公司作为投资候选、或要求生成公司研究档案的场景。覆盖美股 / A 股 / 港股上市公司及 pre-IPO 未上市公司。不适用于短线技术面分析、单一指标查询（如某公司 PE 是多少）、纯财务审计。

- **Type:** Skill
- **Install:** `agentstack add skill-zsjunai-claude-skill-10x-analysis-claude-skill-10x-analysis`
- **Verified:** Yes — security-reviewed for prompt injection and unsafe behavior
- **Seller:** [zsjunai](https://agentstack.voostack.com/s/zsjunai)
- **Installs:** 0
- **Category:** [Agent Skills](https://agentstack.voostack.com/c/agent-skills)
- **Latest version:** 0.1.0
- **License:** MIT
- **Upstream author:** [zsjunai](https://github.com/zsjunai)
- **Source:** https://github.com/zsjunai/claude-skill-10x-analysis
- **Website:** https://coin.puliot.com

## Install

```sh
agentstack add skill-zsjunai-claude-skill-10x-analysis-claude-skill-10x-analysis
```

Requires the [AgentStack CLI](https://agentstack.voostack.com/docs/cli). Works with Claude Code, Cursor, and any MCP-compatible agent.

## About

# 10-Bagger 深度投研分析法

## Overview

**核心原则**：用事实驱动的概率分布回答"这家公司 5 年和 10 年后值多少钱、有多大概率翻 10 倍"——而非单一目标价。

每份分析必须包含：双时间轴情景（5Y + 10Y）、加权期望市值、敏感度三大变量、Track Record 锁定的 4-6 条可验证假设、vs 被动组合的超额回报。**机会成本不是现金，是被动 ETF**。

## 当该用这个 skill

**适用**：
- 用户要求分析一家具体公司的投资价值（"XX 怎么样？"、"值得买吗"、"有 10x 空间吗"）
- 建立公司研究档案
- 比较两家或多家公司
- 判断某公司的未来 5-10 年市值区间

**不适用**：
- 短线技术分析（K 线形态、日/周涨跌预测）
- 单一财务指标问答（"XX 的 PE 是多少"）
- 纯会计审计 / 财报舞弊排查

## 核心问题

> 这家公司 **5 年**和 **10 年**后分别值多少钱？有多大概率翻 10 倍？

所有分析都服务于这一个问题。

## 硬规则（17 条必须 + 14 条禁止 · v3 新增 ★）

### ✓ 必须做

1. **用事实而非故事**：每个论点必须能被某个具体数据验证或证伪
2. **包含反面证据**：看多论点必须伴随等量的看空论点
3. **标注数据时点**：所有结论附 anchor date（"基于 YYYY-MM-DD 已披露数据"）
4. **情景概率显式化**：不说"可能"，只说"~X%"；概率加总 = 100%
5. **区分事实与推断**：哪些是公司披露，哪些是主观判断，分别标注
6. **双时间轴并列**：5Y 与 10Y 两个数字一起给，不能只给单边
7. **量化下行风险**：只给期望值是 research theater，必须同时给**情景标准差、P(亏损 X%)、最大回撤估计**
8. **敏感度排序**：找出"最敏感 3 个变量"并明示 —— 每季度追踪这三个，不是股价
9. **仓位用公式推，不用拍脑袋**：用 Kelly / Vol-targeting / Fixed 任一，把输入参数显式列出
10. **评估管理层花钱能力** ✧：不止看团队背景，还要看 ROIIC / 回购节奏 / 股息 / M&A 命中率
11. **对比共识与公司指引** ✧：管理层自己说 +20%、市场定价 +40% 时，gap 就是业绩爆雷的先行指标
12. **锁定可验证假设** ✧：每份报告输出 4-6 条带目标日期的可验证命题，3/6/12 月后回看——没有 track record 就没有校准
13. **对照被动组合定仓位** ✧：比"SPY + 10Y 国债 60/40"超出多少 CAGR 才值得 3-5% 单股仓位——否则拿 ETF
14. **★ Web search 优先于记忆**：任何"自信判断"前必先 search 最新事实——股价 / 市值 / 持仓 / mNAV / 政策。**记忆中的数字默认过时**——不 search 直接用记忆 = 系统性错误
15. **★ 核心宏观假设用主流共识**：BTC / ETH 长期 CAGR 不能拍脑袋"保守 15%"——用 ARK / 摩根 / Bitwise / VanEck 等主流共识中位数（BTC 25-40% / ETH 30-37%）
16. **★ 基准计算一致性**：vs ETF 比较时，**两边用同样的情景假设**——MSTR 用情景加权 BTC 28% 算自己，IBIT 也必须用情景加权 BTC 28% 算（不能用固定 18%）。计算 expected return 用加权 multiplier，不用 CAGR 加权
17. **★ 拆解溢价 / 折价的"结构性 vs 真实低估"**：mNAV 0.74x 不一定是"市场低估"——可能是治理折扣（CEO 兼职）+ 流动性折扣（小盘）+ 赢家通吃折扣（vs 行业龙头）的合理定价。不要简单假设"mNAV 15% 时红标警报；业绩爆雷先行指标）
- **G7** 对照组策略 ✧（与 SPY / QQQ / 60-40 / 10Y 国债被动组合对比，回答"是否真的值得单选"）

### H · 决策
- **H1** 结构化投资建议（评级 / 仓位 / 加仓区 / 止损 / 关键假设 / **仓位推导公式 Kelly** ✦）
- **H2** 组合相关性 · 对冲 ✦（与 7+ 参考资产的 Beta + 相关系数 + 对冲价值评级 + 建议组合）
- **H3** Track Record 机制 ✧（锁定 4-6 条关键可验证假设 + 目标日期 + 当前状态 pending/hit/miss；3/6/12 个月后回看建立自我校准数据）

### 附加
- 子公司期权价值 SOTP
- 分析师共识目标价 + 条形图 + 当前股价水平线

---

## 输出格式

### 快速版本（一轮对话）
- 当前股价 + 市值 + anchor date
- 5Y 加权期望 + 10Y 加权期望 + **5Y 情景标准差**
- 3-4 档情景 + 概率
- **最敏感三变量**（from G5 sensitivity）
- **P(5Y 亏损 30%+)**（from G2b downside）
- 一句话评级 + **Kelly 推导的仓位**
- 关键风险（3 条）

### 完整版本（25+ 模块）
按 `CompanyDetail` 接口填充（参考 coin 项目 `src/types/company.ts`）。

**结构化数据要包含**：
- 7 步 × 各自数据
- 25+ 模块 × 各自填充字段
- Chart.js 可视化数据（营收轨迹 · 利润率演进 · 情景概率 · 双时间轴对比 · TAM 增长 · 市占率轨迹 · 8 维雷达 · 历史估值 · Tornado · 分析师目标价）
- 数据 anchor date

---

## 市场差异（US / A 股 / HK）

### 🇺🇸 美股

| 项 | 说明 |
|---|---|
| Ticker | `NASDAQ:XXX` / `NYSE:XXX` |
| 数据源 | SEC EDGAR、Yahoo Finance、Seeking Alpha、券商研报（Goldman / MS / Morgan） |
| 货币 | USD |
| 对标池 | SaaS 巨头、Mag 7、大市值科技股 |
| 特殊规则 | Regulation FD、季报会议、SEC 6-K/8-K 披露 |

### 🇨🇳 A 股

| 项 | 说明 |
|---|---|
| Ticker | `SH:600XXX`（上交所）/ `SZ:000XXX`（深交所）/ `SZ:300XXX`（创业板）/ `SH:688XXX`（科创板）/ `BJ:8XXXXX`（北交所） |
| 数据源 | 巨潮资讯（cninfo）· 东方财富 · 同花顺 · 公司定期报告 |
| 货币 | CNY（元 / 万元 / 亿元） |
| 对标池 | 白马龙头、行业 TOP3 |
| 特殊规则 | 证监会政策窗口、定增 / 限售股解禁、机构持仓披露、A 股涨跌停限制 |

### 🇭🇰 港股

| 项 | 说明 |
|---|---|
| Ticker | `HK:XXXXX`（5 位数，前导零保留） |
| 数据源 | 港交所披露易（hkex.com.hk）· 阿思达克 · 富途 |
| 货币 | HKD（港元） |
| 对标池 | 中概股、H 股 + 红筹、港股通标的 |
| 特殊规则 | 南下资金、互联互通额度、H-A 溢价、同股不同权（WVR）结构 |

---

## 公司名称中文化约定

有公认中文名的英文公司，**正文中统一用中文**（Ticker 保留英文）：

| 英文 | 中文 |
|---|---|
| Nvidia | 英伟达 |
| Microsoft | 微软 |
| Oracle | 甲骨文 |
| TSMC | 台积电 |
| Tesla | 特斯拉 |
| Amazon | 亚马逊 |
| Google Cloud | 谷歌云 |

**保留英文**的情况：
- 品牌简写：Meta / Google / Apple
- 无通用中文名：SpaceX / Stripe / Palantir / CoreWeave / Lambda / Crusoe
- 产品缩写：AWS / Azure / GCP / CUDA / GB300
- Ticker：NASDAQ:NVDA / NASDAQ:MSFT 等

**中文排版**：中文名与中文字之间不要有空格（"英伟达持股" 不是 "英伟达 持股"）；与英文/数字之间保留空格（"英伟达 GTM"）。

---

## 关键量化公式速查

### 1. 加权期望值
```
E[Mcap] = Σ Pᵢ × Midᵢ
Multiplier = E[Mcap] / Current
CAGR = Multiplier^(1/n) − 1
```

### 2. Kelly 公式（保守版，用 1/2 Kelly）
```
f* = (期望回报率 − 无风险利率) / 方差 × 0.5
```
输入：期望 CAGR · 无风险利率（10Y 国债）· 情景标准差。

### 3. 情景标准差（下行风险量化）
```
σ = √(Σ Pᵢ × (Midᵢ − E[Mcap])²)
Sharpe-like = (E[Mcap] − Current) / σ
```

### 4. 敏感度扰动
每个变量独立扰动 ±1σ，其余变量保持基准，计算对 E[Mcap_10Y] 的影响，按 |max(down, up)| 排序。

### 5. 超额回报 vs 被动组合
```
超额 CAGR = 本公司 CAGR - 被动组合基线 CAGR
基线：60% SPY (10%) + 40% 10Y 国债 (4.5%) ≈ 7.8% CAGR

判定：
- 超额 > 5%：justifies 3-5% 单股仓位（yes）
- 超额 2-5%：边缘，仓位 ≤ 3%（marginal）
- 超额 .ts`，按 `CompanyDetail` 接口填（TS 会强制检查每个字段）
2. `src/data/companies.ts` 的 `companyRegistry` 和 `companies` 各加一行（含 market + currency 字段）
3. `git push` → GitHub Actions 自动部署上线

---

## 加密 / 高 β 标的特殊处理 ★（v3 新增）

针对 MSTR / BMNR / SBET 等"加密财库股"或类似 mNAV 飞轮型标的：

### A. mNAV 折价拆解（不要简单假设回归）

```
mNAV 折价来源 = 治理折扣 + 流动性折扣 + 赢家通吃折扣 + 真实低估
```

| 折扣类型 | 典型大小 | 是否会消失 |
|---|---|---|
| **治理折扣**（CEO 兼职 / 关键人风险）| 10-15% | **不会消失（结构性）** |
| **流动性折扣**（小盘 / NASDAQ  $50B）：CAGR 10-15%（流通股已大）

**不要**用早期 6 年 +200%/年外推 10 年——会过度高估。

---

## 反弹陷阱识别 ★（v3 新增）

**1 年涨幅 +50%+ 的标的需要重新审视估值起点**——这是 Intel / Nebius / Sungrow 三次校准的同源教训。

### 典型反弹陷阱案例

| 标的 | 1Y 涨幅 | 起点市值 | 修正前 vs 被动 | 修正后 vs 被动 |
|---|---|---|---|---|
| Intel | +449% | $551B | (-) | -7.3pp（bearish）|
| Nebius | +630% | $46B | +16.0pp | +9.1pp |
| Sungrow | +64% | ¥2,848 亿 | +9.3pp | -0.8pp |

### 反弹陷阱检测公式

```
反弹陷阱风险 = max(
  (当前股价 / 12月前股价 - 1) × 0.3,   // 涨幅
  (当前 PE / 5Y 历史中位 - 1) × 0.5,    // 估值
  (当前 mNAV / 1Y 平均 - 1) × 0.4       // 加密标的
)

如果 > 0.5：需要 down-bias 期望 5-10pp
如果 > 1.0：需要 down-bias 期望 10-15pp
```

### 反弹陷阱处理步骤

1. **先确认起点市值**（不用 12 月前的）
2. **重新算 forward PE / PS**：当前估值已透支多少年增长？
3. **下调超牛 / 基线情景的市值上限**：1Y +500% 后，未来 10Y 再 +500% 几何上极难
4. **强调"等回调"建仓区间**：不在反弹完成后追高，等估值合理化

---

## v3 校准案例库 ★（避免重复犯错）

7 个具体错误模式 + 可执行教训 → 见 [calibration-cases.md](./calibration-cases.md)

每份新分析前**必须**对照该文件末尾的"自查清单"（6 项）。任一条 ❌ → 不要发布，先 search。

---

## 用户质疑机制 ★（v3 新增）

**用户的质疑是分析师质量的最后防线**。

如果用户问：
- "你确定吗" → 立刻 web search 核实，不要 defensive
- "为什么 X 这么高/低" → 检查是否过时数据 / 拍脑袋假设
- "其它类似标的要不要更新" → 大概率所有同类标的都需要重新 search

**反 pattern**：用户连续 3 次质疑同类问题 → 系统性方法论错误 → 暂停新分析 + 全面校准

---

## 禁用列表

任何时候都不要做：
- 推荐股票、说"建议买入"、建议具体仓位（要给公式和情景分布，让用户自己决定）
- 不加 disclaimer（必须附"本分析不构成投资建议"）
- 使用 technical indicator 买卖信号（MACD / RSI / 布林带等）
- 预测下周 / 下月股价（只做 5Y / 10Y 概率分布）
- 把公式里的主观概率说成"客观数据"（情景概率本质是主观判断，要显式声明）
- ★ **不查证用记忆数据做"自信判断"**（v3 新增 · 7 次错误同源根因）
- ★ **vs ETF / 被动组合用不一致基准假设**（双重标准 = 系统性高估超额）
- ★ **涨幅 +50%+ 标的不重新 down-bias**（反弹陷阱）

## Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

- **Author:** [zsjunai](https://github.com/zsjunai)
- **Source:** [zsjunai/claude-skill-10x-analysis](https://github.com/zsjunai/claude-skill-10x-analysis)
- **License:** MIT
- **Homepage:** https://coin.puliot.com

Install and usage instructions live in the source repository linked above.

## Pricing

- **Free** — Free

## Security capabilities

Automated source analysis of v0.1.0 — what this tool can access:

- **Network access:** no
- **Filesystem access:** no
- **Shell / process execution:** no
- **Environment & secrets:** no
- **Dynamic code execution:** no

*"Yes" means the capability is present in the source — more access means more to trust, not that it is unsafe.*


## Versions

- **0.1.0** — security scan: passed — Imported from the upstream source.

## Links

- Listing page: https://agentstack.voostack.com/l/skill-zsjunai-claude-skill-10x-analysis-claude-skill-10x-analysis
- Seller: https://agentstack.voostack.com/s/zsjunai
- Browse the marketplace: https://agentstack.voostack.com/browse

---
Listed on AgentStack — the marketplace for AI agent skills and MCP servers. Every listing is security-reviewed. Creators keep 70%.